Metody sztucznej inteligencji - 2023/2024 Specjalność ARR Katedra Cybernetyki i Robotyki Wydział Elektroniki

Tematy i materiały do wykładów

Materiały udostępnione za pomocą poniższej tabelki objęte są prawami autorskimi. Można je wykorzystywać wyłącznie do własnych prywatnych celów, i nie wolno ich w żaden sposób rozpowszechniać, na przykład przez umieszczenie na ogólnie dostępnych stronach internetowych, ani w żaden inny sposób.

nr	temat wykładu	slajdy
1	Wprowadzenie do sztucznej inteligencji
2	Metody oparte na przeszukiwaniu
3	Metody oparte na logice
4	Prolog
5	Reprezentacja probabilistyczna: sieci bayesowskie
6	Podejmowanie prostych decyzji - funkcje użyteczności
7	Podejmowanie złożonych decyzji - procesy Markowa
8	Uczenie ze wzmocnieniem
9	Uczenie nienadzorowane

Literatura

1. S.J.Russell, P.Norvig, Artificial Intelligence A Modern Approach (Third Edition), Prentice-Hall, 2010, WWW
2. materiały internetowe
3. notatki z wykładu

5. L.Bolc, J.Cytowski, Metody przeszukiwania heurystycznego, PWN, 1991
6. R.Kowalski, Logika w rozwiązywaniu problemów, WNT, 1989
7. J.Mulawka, Systemy ekspertowe, WNT, 1996
8. M.Muraszkiewicz, H.Rybiński, Bazy danych, Akademicka Oficyna Wydawnicza, 1993

Materiały internetowe:

1. Kursy sztucznej inteligencji o podobnym programie:
   • UJ, UW, PW, PP, kurs internetowy Sztuczna Inteligencja, Jarosław Arabas, Paweł Cichosz (Politechnika Warszawska)
   • Uniwersytet Warszawski, Wydział Matematyki, Informatyki i Mechaniki, Sztuczna inteligencja i systemy doradcze, Przedmioty fakultatywne dla II - V roku informatyki, semestr letni 2007/08, Arkadiusz Wojna
   • University of Waterloo, Canada, Introduction to Artificial Intelligence, Fall 2012, Pascal Poupart
   • M.I.T., Electrical Engineering and Computer Science, 6.034 Artificial Intelligence, Spring 2005, Tomás Lozano-Pérez, Leslie Kaelbling
   • M.I.T., Electrical Engineering and Computer Science, 6.825 Techniques in Artificial Intelligence, Fall 2002, Tomás Lozano-Pérez, Leslie Kaelbling

2. Metody przeszukiwania:
   • Notatki z wykładów nt. przeszukiwania prof.Tomás Lozano-Pérez i prof.Leslie Kaelbling, M.I.T.:
     • Algorytmy „ślepe” przeszukiwania grafów. Kopia lokalna:
     • Algorytmy poinformowane przeszukiwania grafów. Kopia lokalna:
     • Algorytm A* i własności. Kopia lokalna:
     • Algorytmy dla problemów CSP. Kopia lokalna:
     • Algorytmy dla gier. Kopia lokalna:

   • Prezentacje nt. przeszukiwania prof.Andrew Moore'a, Carnegie-Mellon University, strona główna:
     • Algorytmy „ślepe”. Kopia lokalna:
     • Algorytmy zachłanne. Kopia lokalna:
     • Algorytmy A*. Kopia lokalna:
     • Algorytmy dla CSP. Kopia lokalna:

   • Slajdy z przeszukiwania Arkadiusza Wojny, Uniwersytet Warszawski, Wydział Matematyki, Informatyki i Mechaniki, Sztuczna inteligencja i systemy doradcze, strona kursu:
     • Przeszukiwanie. Kopia lokalna:
     • Przeszukiwanie „ślepe”. Kopia lokalna:
     • Przeszukiwanie heurystyczne. Kopia lokalna:
     • Przeszukiwanie z więzami. Kopia lokalna:
     • Przeszukiwanie dla gier. Kopia lokalna:
     (Powyższy zestaw materiałów jest tłumaczeniem slajdów udostępnionych przez Stuarta Russella i Petera Norviga jako materiałów pomocniczych do ich podręcznika AIMA (patrz Literatura.)

   • Slajdy z przeszukiwania do książki: Computational Intelligence: A Logical Approach, Poole, Mackworth and Goebel, Oxford University Press, 1998, strona książki:
     • Część 1. Kopia lokalna:
     • Część 2. Kopia lokalna:
     • Część 3. Kopia lokalna:
     • Część 4. Kopia lokalna:
     • Część 5. Kopia lokalna:
     • Część 6. Kopia lokalna:

   • biblioteka procedur przeszukiwania w C++

   • biblioteka procedur do przeszukiwania zachłannego z wyżarzaniem.
     Demonstracja on-line: Kopia lokalna:

3. Procesy decyzyjne Markowa i uczenie ze wzmocnieniem:
   • Sutton, Barto: Reinforcement Learning An Introduction, fundamentalny podręcznik o procesach decyzyjnych Markowa i uczeniu ze wzmocnieniem, wersja on-line, drugie wydanie 2018

4. Podręczniki i materiały dotyczące języka AIML i budowy chatbotów:
   • AIML 2.0 Virtual Assistant Technology for a Mobile Era
   • Build a Simple Virtual Assistant with AIML 2.0
   • ARTIFICIAL INTELLIGENCE MARKUP LANGUAGE A BRIEF TUTORIAL
   • Interactive Chatbot Using AIML
   • ANALYSIS OF THE CHAT-BOT OPEN SOURCE LANGUAGES AIML AND CHATSCRIPT: A Review
   • AIML Overview
   • A Tutorial for adding knowledge to your robot
   • AIML Tutorial

5. Podręczniki i samouczki do Prologu:
   • Clocksin i Mellish - wydanie polskie. Podstawowy podręcznik Prologu - elementarny i wszechstronny. Nakład podobno jest wyczerpany, ale na pewno można to znaleźć w bibliotekach. Ze strony wydawnictwa można ściągnąć pierwszy rozdział w PDF-ie, w którym jest bardzo dobre wprowadzenie. Kopia lokalna:
   • Bardzo dobry, bardzo elementarny podręcznik Prologu, w dalszej części koncentrujący się na zastosowaniach językowych. Kopia lokalna:
   • Inny bardzo elementarny i przystępny samouczek Prologu
   • Inny elementarny samouczek Prologu w postaci pojedynczego dokumentu
   • Inny elementarny samouczek Prologu w postaci drzewa
   • Materiały do kursu Prologu i programowania logicznego; na trochę wyższym poziomie, plus ćwiczenia do samodzielnego wykonania z rozwiązaniami

6. Systemy regułowe - CLIPS:
   • Samouczek CLIPS'a (po angielsku) w sześciu częściach.
     • Część 1. Kopia lokalna:
     • Część 2. Kopia lokalna:
     • Część 3. Kopia lokalna:
     • Część 4. Kopia lokalna:
     • Część 5. Kopia lokalna:
     • Część 6. Kopia lokalna:
   • Podstawowa dokumentacja programistyczna Clipsa. Kopia lokalna:
   • Przykłady regułowych systemów doradczych (niekoniecznie w Clipsie)
   • Zestaw przykładowych „małych” systemów regułowych wykonanych przez studentów - w katalogu ~witold/Clips_przyklady na diablo i panamincie (dostępne tylko po zalogowaniu się na komputer - niedostępne przez Internet). Jak również system mojego autorstwa wino.clp służący do wyboru win na proszony obiad.

7. Systemy do tworzenia probabilistycznych sieci przekonań:
   • JavaBayes napisany w Javie, dostępny w źródle z przykładami i dokumentacją, Java applet
   • Bayesian Network Toolbox (BNT), dostępny w źródle, bardzo wszechstronny, obejmuje wiele modeli probabilistycznych, nie posiada GUI, nie działa pod Octave
   • system MSBNx opracowany w Microsoft Research działa na Windowsie (98, 2000, XP, i podobno Vista)

8. dostępne w Internecie bazy danych statystycznych:
   UCI Knowledge Discovery in Databases Archive
   UCI Machine Learning Repository
   CMU StatLib Datasets Archive
   Oficjalny portal europejskich danych
   

Zaliczenie wykładu

Egzamin

Na egzamin należy przynieść przybory do pisania i papier - minimum 3 kartki formatu A4 (plus dodatkowy papier jako brudnopis). Dopuszczalne jest użycie kalkulatora. Planowany czas: około 1,5 godziny (w razie potrzeby może być przedłużony).

Wnukówki

1. Testy są pisemne, trwają trzy minuty, i odbywają się w dowolnym momencie wykładu.
2. Obejmują materiał z bieżącego oraz ewentualnie poprzedniego wykładu (jeśli jest kontynuowany).
3. Nie można korzystać z żadnych pomocy, książek, notatek ani komputerów.
4. Można korzystać z kalkulatora. Może to być kalkulator w telefonie, zegarku, PDA, itp.
5. Testy będą oceniane w skali 1-3 punktów, z 1 punktem za czystą kartkę.
6. Nieobecność na teście oznacza 0 punktów. Testu nie można odrobić, i nie ma żadnych usprawiedliwień.
7. Łączny wynik z wszystkich testów zostanie obliczony z odrzuceniem jednego najwyższego i jednego najniższego zapracowanego wyniku. Wynik 0 za nieobecność nigdy nie jest odrzucany.

Aplikacja androidowa

Jeśli nie posiadasz fona androidowego, albo nie chcesz instalować nieznanej aplikacji, nie musisz tego robić!
Metoda ręcznego obliczania numerów grup jest prosta i niezawodna: opis tutaj.

Zwolnienia z egzaminu

Wyniki

Projekt

Zadania muszą być rozwiązywane samodzielnie. Niedozwolone jest udostępnianie ani korzystanie z rozwiązań kolegów, jak również oddawanie wyników nie w pełni samodzielnych. Można korzystać z materiałów publikowanych, pod warunkiem poprawnego zacytowania źródła w raporcie.

Ocena zadań będzie przeprowadzona interakcyjnie w trakcie prezentacji opracowanego rozwiązania na zajęciach. Ta prezentacja powinna odbyć się maksymalnie do dwóch tygodni po zakończeniu zadania w danej grupie. Zadania oddane po tym terminie otrzymują połowę oceny punktowej.

Do wszystkich zadań obowiązuje oddanie raportu w formacie PDF przez system Moodle (eportal). Szczegółowe wymagania dotyczące treści każdego raportu, jak również kryteria zaliczenia i oceny będą podane w systemie Moodle.

Ocena zadań projekt

Harmonogram zadań projekt